Trình đơn chính WikipediaBách khoa toàn thư mở Tìm kiếm trên Wikipedia Tạo tài khoản Đăng nhập Công cụ cá nhân Tính năng Tạo tài khoản · Hướng dẫn người mới · Quy định · Viết bài mới · Chỗ thử · Câu thường hỏi · Sách hướng dẫn · Dịch bài · Thêm chú thích · Thảo luận · Liên hệ quản lý Tiêu chuẩn bài viết Đủ độ nổi bật, văn phong trung lập và có nguồn đáng tin cậy · Không spam quảng cáo · Không vi phạm bản quyền · Cẩm nang biên soạn Đóng (mở lại bằng cách xóa cookie dismissASN1 trong trình duyệt) Nội dung ẩn Đầu Chi tiết Định thức Jacobi Ví dụ Xem thêm Tham khảo Liên kết ngoài Ma trận Jacobi Bài viết Thảo luận Đọc Sửa đổi Sửa mã nguồn Xem lịch sử Công cụ Bách khoa toàn thư mở Wikipedia Trong giải tích véctơ, ma trận Jacobi là ma trận chứa các đạo hàm riêng bậc nhất của hàm giữa hai không gian véctơ. Ma trận này được đặt tên theo nhà toán học Carl Gustav Jacobi. Ma trận này được ứng dụng trong giải tích vì nó là xấp xỉ tuyến tính tốt nhất cho một hàm khả vi tại một điểm trong không gian véctơ biến của hàm này. Chi tiết Cụ thể nếu hàm F: Rn → Rm là một hàm từ không gian Ơclít n chiều đến một không gian Ơclít m chiều, nó sẽ có m thành phần: y1(x1,...,xn) ... ym(x1,...,xn). Đạo hàm riêng bậc nhất của các hàm này (nếu tồn tại) sẽ có thể được xếp thành một ma trận có kích thước m nhân n, chính là ma trận Jacobi của F: [ ∂ � 1 ∂ � 1 ⋯ ∂ � 1 ∂ � � ⋮ ⋱ ⋮ ∂ � � ∂ � 1 ⋯ ∂ � � ∂ � � ] {\displaystyle {\begin{bmatrix}{\frac {\partial y_{1}}{\partial x_{1}}}&\cdots &{\frac {\partial y_{1}}{\partial x_{n}}}\\\vdots &\ddots &\vdots \\{\frac {\partial y_{m}}{\partial x_{1}}}&\cdots &{\frac {\partial y_{m}}{\partial x_{n}}}\end{bmatrix}}} Có thể ký hiệu ma trận này là: � � ( � 1 , … , � � ) {\displaystyle J_{F}(x_{1},\ldots ,x_{n})} hay: ∂ ( � 1 , … , � � ) ∂ ( � 1 , … , � � ) {\displaystyle {\frac {\partial (y_{1},\ldots ,y_{m})}{\partial (x_{1},\ldots ,x_{n})}}} Như vậy, hàng thứ i của ma trận là gradient của thành phần yi với i=1,...,m. Nếu p là một điểm trong không gian Rn và F là khả vi tại p, và các đạo hàm riêng của F tại p chính là JF(p). Lúc này, JF(p) là một hàm tuyến tính và là xấp xỉ tuyến tính tốt nhất của F xung quanh p, theo nghĩa là: � ( � ) ≈ � ( � ) + � � ( � ) ⋅ ( � − � ) {\displaystyle F(\mathbf {x} )\approx F(\mathbf {p} )+J_{F}(\mathbf {p} )\cdot (\mathbf {x} -\mathbf {p} )} cho x nằm gần p. Định thức Jacobi Nếu m = n, thì ma trận Jacobi là ma trận vuông, và định thức của nó là định thức Jacobi. Định thức Jacobi cho biết tính chất của hàm tại điểm đang xét. Ví dụ, hàm khả vi liên tục F là khả nghịch gần p nếu định thức Jacobi tại điểm đó khác không. Đây là định lý hàm nghịch đảo. Hơn nữa, nếu định thức Jacobi tại p là dương, thì F bảo toàn chiều quay tại gần p; và ngược lại, nếu nó âm, F đảo chiều quay. Giá trị tuyệt đối của định thức Jacobi tại p cho biết mức độ F nở rộng hay thu nhỏ thể tích gần p. Ý nghĩa này khiến định thức Jacobi xuất hiện trong phép đổi biến. Trong trường hợp m = n = 3, định thức Jacobi có thể tính bằng